«estimation» etiketlenmiş sorular

Veri örneğime en uygun bir gama dağılımının parametrelerini tahmin etmeye çalışıyorum . Veri örneklerinden sadece ortalama , std (ve dolayısıyla varyans ) kullanmak istiyorum , gerçek değerler değil - bunlar her zaman uygulamamda mevcut olmayacak. Bu belgeye göre , şekli ve ölçeği tahmin etmek için aşağıdaki formüller uygulanabilir: Verilerim için …

19 distributions  estimation  gamma-distribution 

Hastie ve ark. "İstatistiksel Öğrenmenin Öğeleri" (2. bs.), Bölüm 3: Alt küme seçimi Büzülme yöntemleri Türetilmiş giriş yönlerini kullanan yöntemler (PCR, PLS) Karşılaştırma sadece biraz fikir vermek için çok kaba olabilir. Cevapların sorunun boyutuna ve bunun bilgisayar mimarisine nasıl uyduğuna bağlı olabileceğini düşünüyorum, bu yüzden somut bir örnek için 500 …

18 machine-learning  estimation  feature-selection  algorithms  time-complexity 

Stastitic (örn. Ortalama) için bu örnekten bir örnek ve bootstrap örneğim olduğunu varsayalım . Hepimizin bildiği gibi, bu önyükleme örneği istatistiğin tahmincisinin örnekleme dağılımını tahmin eder .χχ\chi Şimdi, bu bootstrap örneğinin ortalaması popülasyon istatistiği için orijinal örneğin istatistiğinden daha iyi bir tahmin midir? Hangi koşullarda böyle olur?

18 estimation  bootstrap 

ise, parametresi için tahmin dizisi asimptotik olarak normaldir . ( kaynak ) Daha sonra U n'nin asimptotik varyansına çağırıyoruz . Bu varyans Cramer-Rao bağına eşitse , kestirimcinin / dizinin asimptotik olarak etkili olduğunu söylüyoruz.UnUnU_nθθ\thetavn−−√(Un−θ)→N(0,v)n(Un−θ)→N(0,v)\sqrt{n}(U_n - \theta) \to N(0,v)vvvUnUnU_n Soru: Neden kullandığımız yapmak n−−√n\sqrt{n} özellikle? Örnek ortalama için V a r …

18 estimation  asymptotics  efficiency 

Son zamanlarda, tamamen yanlış olan tekdüze bir dağılımın parametreleri için minimum varyans tarafsız tahminleri hakkında kelepçe cevabı verdiğimde çok utandım. Neyse ki , OP için doğru cevapları veren derhal kardinal ve Henry tarafından düzeltildi . Bu beni düşündürdü. 37 yıl kadar önce Stanford'daki yüksek lisans matematik stat dersimdeki en iyi …

18 estimation  point-estimation 

Arka fon Bilinmeyen bir dağılımı olan bir değişkenim var. 500 örneğim var, ancak varyansın hesaplanabileceği kesinliği göstermek istiyorum, örneğin 500 örneklem boyutunun yeterli olduğunu iddia etmek. Ayrıca % hassasiyetle varyansı tahmin etmek için gerekli minimum örnek boyutunu bilmekle de ilgileniyorum X%X%X\%. Sorular Nasıl hesaplayabilirim örnek büyüklüğü verilen varyans tahminimin kesinliği …

18 estimation  random-variable  variance  sampling  sample-size 

Bradley Efron ve Carl Morris'in "Stein'ın İstatistiklerdeki Paradoksu" adlı 1977 Scientific American gazetesinde James-Stein Büzülme faktörünü hesaplamakla ilgili bir sorum var . Beyzbol oyuncuları için veri topladım ve aşağıda verilmiştir: Name, avg45, avgSeason Clemente, 0.400, 0.346 Robinson, 0.378, 0.298 Howard, 0.356, 0.276 Johnstone, 0.333, 0.222 Berry, 0.311, 0.273 Spencer, 0.311, …

18 estimation  shrinkage  steins-phenomenon 

Soru Negatif bir binom (NB) dağılımının varyansı her zaman ortalamasından daha büyüktür. Bir numunenin ortalaması varyansından daha büyük olduğunda, NB parametrelerini maksimum olasılıkla veya moment tahmini ile uydurmaya çalışmak başarısız olur (sonlu parametrelerle çözüm yoktur). Bununla birlikte, bir NB dağılımından alınan bir numunenin ortalama varyanstan daha büyük olması mümkündür. İşte …

17 estimation  maximum-likelihood  negative-binomial 

Düz bir öncekiyle, ML (sıklık - maksimum olasılık) ve MAP (Bayes - maksimum posteriori) tahmin edicileri çakışır. Bununla birlikte, daha genel olarak, bazı kayıp fonksiyonlarının iyileştiricileri olarak türetilen nokta tahmin edicilerden bahsediyorum. yani (Bayesian) x (x^(.)=argminE(L(X−x^(y))|y) (Bayesian) x^(.)=argminE(L(X−x^(y))|y) (Bayesian) \hat x(\,. ) = \text{argmin} \; \mathbb{E} \left( L(X-\hat x(y)) \; …

17 bayesian  estimation  loss-functions  frequentist  decision-theory 

Bu kısmen aşağıdakiler tarafından motive edilmektedir soru ve onu takip eden tartışma . Iid örneğinin gözlendiğini varsayalım, Xi∼F(x,θ)Xi∼F(x,θ)X_i\sim F(x,\theta) . Amaç değerini tahmin etmektir θθ\theta. Ancak orijinal örnek mevcut değildir. Ne yerine sahip numunenin bazı istatistikler T1,...,TkT1,...,TkT_1,...,T_k . Diyelim ki kkk sabittir. nasıl tahmin edilir θθ\theta? Bu durumda maksimum olabilirlik …

17 estimation  maximum-likelihood 

MSE = 0 değerini olarak göstermek yeterli n→∞n→∞n\rightarrow\inftymi? Notlarımda plim ile ilgili bir şey de okudum. Plim'i nasıl bulabilirim ve tahmincinin tutarlı olduğunu göstermek için nasıl kullanabilirim?

17 estimation  convergence  consistency 

Parametre tahmini yapmak için 3 yöntem biliyorum, ML, MAP ve Bayes yaklaşımı. MAP ve Bayes yaklaşımı için parametreler için öncelikler seçmeliyiz, değil mi? Diyelim ki MAP veya Bayes kullanarak tahmin yapmak için parametreler olan bu modelim var , kitapta bir konjugat seçmemiz gerektiğini okudum önce a,, ortak olasılığı , tamam …

17 bayesian  estimation  prior 

Şu anda Larry Wasserman'ın "Tüm İstatistikler" i okuyorum ve parametrik olmayan modellerin istatistiksel işlevlerini tahmin etme bölümünde yazdığı bir şeyden şaşkınım. O yazdı "Bazen bazı hesaplamalar yaparak istatistiksel bir işlevin tahmini standart hatasını bulabiliriz. Ancak diğer durumlarda standart hatanın nasıl tahmin edileceği açık değildir". Bir sonraki bölümde bu konuyu ele …

16 self-study  estimation  bootstrap  standard-error 

Aşağıdaki formun işlevlerini en aza indirmek için yinelenen yeniden ağırlıklandırılmış en küçük kareleri (IRLS) kullanıyorum, J(m)=∑Ni=1ρ(|xi−m|)J(m)=∑i=1Nρ(|xi−m|)J(m) = \sum_{i=1}^{N} \rho \left(\left| x_i - m \right|\right) burada NNN , örneklerinin sayısıdır xi∈Rxi∈Rx_i \in \mathbb{R}, m∈Rm∈Rm \in \mathbb{R} istediğim sağlam tahmindir ve ρρ\rho uygun bir sağlam ceza fonksiyonudur. Diyelim ki dışbükey (kesinlikle olmasa …

16 estimation  least-squares  robust  irls 

Varsayalım ki iki noktamız var (aşağıdaki şekil: siyah daireler) ve aralarındaki üçüncü nokta için bir değer bulmak istiyoruz (çapraz). Gerçekten de bunu deneysel sonuçlarımız olan siyah noktalara dayanarak tahmin edeceğiz. En basit durum bir çizgi çizmek ve sonra değeri bulmaktır (yani, doğrusal enterpolasyon). Her iki tarafta kahverengi noktalar olarak destek …

16 estimation  interpolation